使用Python和pywinauto实现自动化采集任务的步骤和方法

pyperclip==1.8.2pywin32==304pywinauto==0.6.8

import osimport randomimport timeimport refrom typing import Dict, Listfrom pywinauto.application import Applicationfrom pywinauto import mousefrom pywinauto import keyboardimport pyperclipimport json# 程序处理中的各种路径dir_path = r"C:/Users/Dick/Desktop/work/DragonEnglish/tools"input_path = os.path.join(dir_path, r"input.txt")output_path = os.path.join(dir_path, r"output.json")error_path = os.path.join(dir_path, r"error.txt")# 顺序错误的单词error_words = []# 有道词典的进程idprocessId = 13840def line_process(content: str) -> str:    """    去除所有空行, 再去除前面四行无关内容    """    lines = content.split("
")    # 因为例句开头是 数字. 开头的, 所以先以这个为特点来进行过滤掉多复制的开头    count = 0    for i in range(len(lines)):        if re.match(r"d+.", lines[i]):            count = i            break    lines = lines[count:]    filter_lines = []    for line in lines:        if line.strip() != "":  # 过滤空行            if not line.startswith("youdao") and not                     (line.startswith("《") and line.endswith("》")):  # 过滤来源                filter_lines.append(line)    if len(filter_lines) % 3 != 0:        raise Exception("抓取数据错误")    content = "
".join(filter_lines) + "
"  # 补上一个 
, 不然正则会漏掉一个结果    return contentdef to_list(line: str) -> List[Dict[str, str]]:    """    直接生成列表字典对象    [{        "no": 1,        "original": "",        "translate"    }]    """    sentences = []    # 正则表达式    REGEXP = r'(?P<no>d+?).
(?P<original>.+?)
(?P<translate>.+?)
'    # 编译    pattern = re.compile(REGEXP)    # 匹配    rs = pattern.finditer(line)    # 组装结果    for r in rs:        print(r.groupdict())        sentences.append(r.groupdict())    return sentencesif __name__ == "__main__":    # 连接网易有道词典    app = Application(backend="uia").connect(process=processId)    # 获取需要的窗口    win = app.window(class_name="RICHEDIT50W")    # 输入词汇列表    input_words = []    # 输出词汇对象列表    output_words = []    # 打开输入文件，初始化输入词汇列表    with open(input_path, "r", encoding="utf-8") as input_file:        input_words = input_file.read().split("
")    for word in input_words:        print("正在抓取单词: %s" % word)        # 清空剪切板，这步很重要，防止重复复制        pyperclip.copy("")        # 将输入数据复制到剪切板        pyperclip.copy(word)        # 定位到输入框（采用坐标定位，定位到大致位置即可）        mouse.click(coords=(2400, 80))        # 模拟按键操作：全选 删除 粘贴 回车（触发查询）        keyboard.send_keys("^a{DELETE}^v{ENTER}")        # 清空剪切板，这步很重要，防止重复复制        pyperclip.copy("")        # 鼠标左键点击，这个操作只是为了把鼠标移动到这里        mouse.click(button="left", coords=(2200, 330))        # 模拟键盘 CTRL+A CTRL+C，直接全选所有的例句（这里会多选一部分内容，待会再处理）        keyboard.send_keys("^a^c")        # 暂停一会儿，不做操作的太快        time.sleep(random.random() * 2 + 1)        # pywinauto 复制的内容是在系统的剪切板里面的，所以需要其它库读取        content = pyperclip.paste()        # 对内容进行简单的预处理后，加入output_words        try:            lines = line_process(content)        except BaseException as exp:            print(exp)            # 如果抓取出现问题，说明被网易抓了现行，直接退出即可。            break        sentences = to_list(lines)        if not sentences:            print("获取例句为空, 可能是数据格式错误.")            break        output_words.append({            "word": word,            "example": sentences,        })        # 模拟暂停一个较长的随机时间，没有必要追求速度，平稳运行即可。        time.sleep(random.random() * 3 + 3)        # 清空剪切板，这步很重要，防止重复复制        pyperclip.copy("")    # 抓取完毕一个文件的内容后，然后一次性写入即可。    # 之前的写法是一个单词写入一次，会造成太多的IO次数，浪费性能！    with open(output_path, "a+", encoding="utf-8") as output_file:        output_file.write(json.dumps(            output_words, ensure_ascii=False, indent=4))        # 错误单词记录        with open(error_path, "w", encoding="utf-8") as err_file:            err_file.writelines("
".join(error_words))